去噪正则化与 FFDNet 结合的相位恢复算法

来源：计算机技术与发展杂志2022年第10期北京时间：

作者：金焱;杨敏

摘要：相位恢复是图像逆问题的一种,通过图像信号的幅值,恢复出采样过程中缺失的相位信息。 目前相位恢复算法使用稀疏先验以及传统去噪器先验,存在特征表征不充分的问题。 prDeep 算法使用 DnCNN 卷积神经网络作为去噪器先验,结合去噪正则化模型提升了恢复效果,但是仍存在对复杂噪声鲁棒性较差的问题。 针对 prDeep 算法对复杂噪声鲁棒不足的问题,提出了用 FFDNet 作为去噪器先验与去噪正则化模型相结合的算法。 该算法利用 FFDNet 网络对噪声的自适应性,使用去噪正则化( RED) 构建优化模型,解决了复杂正则化模型求导繁琐的问题。 在保证卷积神经网络对特征表征能力的同时,提高了对复杂噪声的鲁棒性以及算法的迭代效率。 仿真实验结果表明,该算法在不同噪声等级下,恢复图像信噪比和迭代效率均有所提升。

关键词：相位恢复;去噪正则化;即插即用先验;去噪器先验;卷积神经网络